Scielo RSS <![CDATA[Boletim de Ciências Geodésicas]]> http://www.scielo.br/rss.php?pid=1982-217020170002&lang=es vol. 23 num. 2 lang. es <![CDATA[SciELO Logo]]> http://www.scielo.br/img/en/fbpelogp.gif http://www.scielo.br <![CDATA[Evaluation of bathymetric radargrams for determination of the dam volume employing the “fclass2” classifier.]]> http://www.scielo.br/scielo.php?script=sci_arttext&pid=S1982-21702017000200234&lng=es&nrm=iso&tlng=es Este trabalho tem como objetivos avaliar o desempenho do GPR (Ground Penetrating RADAR) para aplicações batimétricas e o desenvolvimento de um classificador para análises de radargramas. O estudo foi realizado em uma represa situada no campus da Universidade Federal de Viçosa (UFV), na qual foi, previamente, realizado levantamento batimétrico empregando o ecobatímetro monofeixe. Foram gerados Modelos Digitais de Elevação (MDE), empregando três interpoladores diferentes e observações do ecobatímetro e GPR. Estes MDEs foram comparados aos pares, para cada interpolador, aplicando o teste t pareado. Também foram realizadas comparações com base nos volumes gerados a partir destes MDEs. Os resultados do teste t para os três MDEs mostraram que não há diferenças estatísticas, a um nível de significância de 5%, entre os modelos gerados com dados do ecobatímetro e do GPR. A maior diferença volumétrica encontrada foi de 98m³ em 75.000m³, para a função Griddata com o interpolador v4. Considerando todos os MDEs gerados, a maior diferença entre os volumes foi de 2%, cerca de 1900m³. Verificou-se que o GPR, utilizando uma antena de 100MHz, pode ser empregado em levantamentos batimétricos de represas de até 4,5m e o classificador fclass2 propiciou uma boa separação entre as camadas de água e sedimentos<hr/>This study aims to evaluate the performance of the GPR (Ground Penetrating RADAR) for bathymetric applications and the development of a classifier for radargrams analysis. The study was conducted in a dam, located on the Federal University of Viçosa (UFV), where we conducted, previously, a bathymetric survey using single beam echo sounder. Digital Elevation Models (DEM) were generated employing three different interpolations using echo sounder and GPR observations. These DEMs were compared in pairs, for each interpolator, applying the paired t test. Comparisons were performed based in the volumes generated from these DEMs. The results for the t test for the three DEMs revealed no statistical differences, at 5% significance level, between models generated from the echo sounder and GPR. The biggest volumetric difference found was 98 m³ in 75000 m³, for Griddata function with interpolator v4. Considering all DEMs, the biggest difference between volumes was 2%, about 1900m³. We verified that the GPR, using 100MHz antenna, can be employed in bathymetric surveys dams of up to 4.5m and the classifier fclass2 provided a good separation between water and sediments layers. <![CDATA[Object based analysis and decision tree for the classification of submetrical spatial resolution images captured by uav]]> http://www.scielo.br/scielo.php?script=sci_arttext&pid=S1982-21702017000200252&lng=es&nrm=iso&tlng=es As imagens com resolução espacial submétrica, como as adquiridas por Veículo Aéreo Não Tripulado (VANT), apresentam alta variabilidade espectral. A análise baseada em objetos possibilita a redução dessa variabilidade e a geração de atributos, aumentando a dimensionalidade do conjunto de dados. Funções de seleção de atributos relevantes e de reforço, disponíveis no algoritmo C5.0, e a análise baseada em objetos facilitam a classificação dessas imagens. Este trabalho teve como objetivos: (i) avaliar as classificações dos objetos em relação aos parâmetros de seleção de atributos (winnow), de reforço (trial) e do Número Mínimo de Amostras (NMA), (ii) determinar os atributos preditivos mais importantes e (iii) comparar a classificação por Árvore de Decisão com Máquina de Vetores Suporte. Para segmentar a imagem foi utilizado o método crescimento de regiões e para a classificação o algoritmo C5.0. Os valores dos parâmetros trial (10) e NMA (5) resultaram acurácias superiores a 0,8. Com esses parâmetros o valor do kappa foi superior a SVM. Ao habilitar o parâmetro winnow foi observado uma redução da dimensionalidade do conjunto de dados de aproximadamente 30%. Os dois atributos mais importantes na discriminação das classes foram a razão entre as bandas verde e azul e a média dos valores das elevações<hr/>Remotely sensed images acquired with submetrical spatial resolution, such as those captured by Unmanned Aerial Vehicle (UAVs), usually present a high spectral variability. An object based approach allows the generation of attributes, increasing the dimensionality of the original dataset. Selection functions for relevant features and booster, available in the C5.0 algorithm, and the objects based analysis facilitate the classification of such datasets. This study aimed at: (i) to evaluate object classification approach in relation to the parameters of attributes selection (winnow), booster (trial) and Minimum Sample Size (MSS), (ii) to determine the most predictive features, and (iii) to compare the classification performance of both Decision Tree and Support Vectors Machine. A region growing method was used in order to segment the image. C5.0 algorithm was used in the classification procedure. The values of the trial (10) and MMS (5) parameters resulted in accuracies higher than 0.8. The kappa value was greater that the SVM, with these parameters. A significant decrease in the data dimensionality up to 30% was observed when the winnow parameter was habilitated. The two most important features in the breakdown of classes were ‘ratio between the blue and green bands’ and ‘average of the elevation values’. <![CDATA[Assessment of training sample size for artificial neural networks in supervised image classification using spectral and laser scanner data]]> http://www.scielo.br/scielo.php?script=sci_arttext&pid=S1982-21702017000200268&lng=es&nrm=iso&tlng=es Técnicas de Sensoriamento Remoto tem ganhado especial interesse, uma vez que podem ser utilizadas para o monitoramento de sistemas e fenômenos em escala local ou global, de maneira contínua temporal e espacialmente. Redes Neurais Artificias estão entre os métodos que são capazes de trabalhar com grande quantidade de dados, com diversas características e sofrer pouca influência de ruídos. Desta forma, fez-se o uso de Redes Neurais Artificiais com o propósito de classificar dados de sensoriamento remoto. Utilizou-se de dados de alta resolução espacial, como imagens espectrais de aerolevantamento e dados altimétricos Laser Scanner, para a classificação do alvo “árvores”. Com isso, gerou-se RNA especialistas na detecção destes alvos. Os dados utilizados são de uma área densamente urbanizada, onde existe grande variabilidade de cotas e características espectrais. Os resultados mostraram que a classificação utilizando dados espectrais e altimétricos resultaram em melhores classificações, do que a utilização apenas de informações espectrais. Testou-se também a influência do tamanho das amostras de treinamento das Redes Neurais Artificiais, gerando assim uma “curva de aprendizado” das RNA. Percebeu-se que conforme se aumenta o tamanho das amostras de treinamento, existe uma tendência em aumentar a acurácia na classificação dos dados. Os acertos globais foram superiores a 87,5% quando utilizando apenas informação espectral e 97,5% quando utilizando dados espectrais e altimétricos<hr/>Remote Sensing techniques has gained special interest, since it can be used for monitoring systems and phenomena in local or global scale, in a temporally and spatially continuous way. Artificial Neural Networks are able to work with large amounts of data, with different characteristics. ANN was used in this work as the purpose of classifying remote sensing data. It was used multi sources and high-resolution spatial data, such as spectral images and Laser Scanner elevation data to classify the class “tree”. So, all the ANN created were specialist in tree class classification. In addition, the data used is from a densely urbanized area where there is a large variability of elevations and spectral characteristics. The results showed that the classification using both spectral and altimetry data resulted in better classifications than the use of only spectral information. It was also tested the influence of the size of samples for training the ANN, creating a learning curve for the ANN. It was noticed that with increasing the size of training samples there is a tendency to increase the accuracy in the classification. The global hits were above 87.5% when using only spectral data, and 97.5% when using spectral and altimetry data <![CDATA[CHANGE DETECTION IN FORESTS AND SAVANNAS USING STATISTICAL ANALYSIS BASED ON GEOGRAPHICAL OBJECTS]]> http://www.scielo.br/scielo.php?script=sci_arttext&pid=S1982-21702017000200284&lng=es&nrm=iso&tlng=es The aim of this work was to assess techniques of land cover change detection in areas of Brazilian Forest and Savanna, using Landsat 5/TM images, and two iterative statistical methodologies based on geographical objects. The sensitivity of the methodologies was assessed in relation to the heterogeneity of the input data, the use of reflectance data and vegetation indices, and the use of different levels of confidence. The periods analyzed were from 2000 to 2006, and from 2006 to 2010. After the segmentation of images, the descriptive statistics average and standard deviation of each object were extracted. The determination of change objects was realized in an iterative way based on the Mahalanobis Distance and the chi-square distribution. The results were validated with an early visual detection and analyzed according to Receiver Operating Characteristic (ROC) Curve. Significant gains were obtained by using vegetation masks and bands 3 and 4 for both areas tested with 94,67% and 95,02% of the objects correctly detected as changes, respectively for the areas of Forest and Savanna. The use of the NDVI and different images were not satisfactory in this study.<hr/>O objetivo deste trabalho foi avaliar a detecção de mudanças sobre a cobertura do solo em áreas de Floresta e Savana Brasileira, utilizando imagens do satélite Landsat 5/TM e duas metodologias estatísticas iterativas baseadas em objetos geográficos. Foi avaliada a sensibilidade das metodologias em relação à heterogeneidade dos dados de entrada, à utilização de dados de reflectância e índices de vegetação e à utilização de diferentes níveis de confiança. Os períodos analisados compreenderam os anos 2000 a 2006 e 2006 a 2010. Após a segmentação das imagens foram extraídas as grandezas estatísticas descritivas média e desvio padrão de cada objeto. A determinação dos objetos de mudança foi realizada de forma iterativa com base na Distância de Mahalanobis e na distribuição qui-quadrado. Os resultados foram validados com uma prévia detecção visual e analisados de acordo com a curva ROC. Foram obtidos ganhos significativos na utilização de máscara e das bandas 3 e 4 para ambas as áreas testadas com 94,67% e 95,02% dos objetos corretamente detectados como mudança, respectivamente para as áreas de Floresta e Savana. O uso do NDVI e de imagens diferentes se mostraram insatisfatórios para a detecção de mudanças nas áreas testadas <![CDATA[DETECTION OF INCONSISTENCIES IN GEOSPATIAL DATA WITH GEOSTATISTICS]]> http://www.scielo.br/scielo.php?script=sci_arttext&pid=S1982-21702017000200296&lng=es&nrm=iso&tlng=es Almost every researcher has come through observations that “drift” from the rest of the sample, suggesting some inconsistency. The aim of this paper is to propose a new inconsistent data detection method for continuous geospatial data based in Geostatistics, independently from the generative cause (measuring and execution errors and inherent variability data). The choice of Geostatistics is based in its ideal characteristics, as avoiding systematic errors, for example. The importance of a new inconsistent detection method proposal is in the fact that some existing methods used in geospatial data consider theoretical assumptions hardly attended. Equally, the choice of the data set is related to the importance of the LiDAR technology (Light Detection and Ranging) in the production of Digital Elevation Models (DEM). Thus, with the new methodology it was possible to detect and map discrepant data. Comparing it to a much utilized detections method, BoxPlot, the importance and functionality of the new method was verified, since the BoxPlot did not detect any data classified as discrepant. The proposed method pointed that, in average, 1,2% of the data of possible regionalized inferior outliers and, in average, 1,4% of possible regionalized superior outliers, in relation to the set of data used in the study.<hr/>Provavelmente todo pesquisador já se deparou com observações que se "afastam" das demais, sugerindo a existência de inconsistências. O objetivo desse trabalho é propor um novo método de detecção de dados inconsistentes para dados geoespaciais contínuos baseando-se na Geoestatística, independentemente da causa geradora (erros de medição, execução e variabilidade inerente aos dados). A escolha pela Geoestatística está baseada em suas características ideais, como evitar erros sistemáticos, por exemplo. A importância da proposta de um método de detecção de dados inconsistentes está no fato de que alguns métodos existentes utilizados em dados geoespaciais consideram pressuposições teóricas dificilmente atendidas. De igual forma, a escolha do conjunto de dados está relacionada com a importância da tecnologia LiDAR (Light Detection and Ranging) na produção de Modelos Digitais de Elevação (MDE). Assim, com a nova metodologia foi possível detectar e mapear dados discrepantes. Comparando-a com um método muito utilizado de detecção, BoxPlot, verificou-se a importância e funcionalidade do novo método, já que o BoxPlot não detectou nenhum dado como discrepante. O método proposto apontou, em média, 1,2 % dos dados de possíveis outliers inferiores regionalizados e, em média, 1,4 % de possíveis outliers superiores regionalizados em relação ao conjunto de dados estudados. <![CDATA[THE EXPLORATION OF THE <em>TIETÊ</em> RIVER BY THE <em>COMISSÃO GEOGRÁFICA E GEOLÓGICA</em> (1905): CARTOGRAPHIC ASPECTS]]> http://www.scielo.br/scielo.php?script=sci_arttext&pid=S1982-21702017000200309&lng=es&nrm=iso&tlng=es This paper studies the cartographic products associated with the Tiete River Exploration Report, (1905) published by the Geographical and Geological Committee of the São Paulo Province. The expedition, from the Bar of the Jacaré-Guassú River to the Paraná River, led to the mapping of the Tietê River, which, along with others, is part of the efforts made by this state agency so that there was no longer a great region called "Unknown hinterland inhabited by Indians" in the official map of the Province of Sao Paulo. The purpose was not only to map, but also to raise the mineral resources, the geology, focused on the types of soil and its agricultural potential, and the navigability of rivers for transporting people and goods. The data obtained are studied (altitudes, longitudes, magnetic declination), surveys paths, equipment used, work methodology and the Cartography produced: General Map, Partial Maps, Profile, Cross Sections and others.<hr/>O presente trabalho estuda os produtos cartográficos associados ao Relatório Exploração do Rio Tietê, de 1905, obra publicada Comissão Geográfica e Geológica da Província de São Paulo. A expedição, da Barra do Rio Jacaré-Guassú ao Rio Paraná, deu origem ao mapeamento do Rio Tietê, que junto com outros, faz parte do esforço realizado por esse órgão para que não mais houvesse no mapa oficial da província de São Paulo uma grande região denominada “Sertão desconhecido habitado pelos índios”. A finalidade era não só cartografar, mas levantar as riquezas minerais, a geologia, focada nos tipos de solo e sua aptidão agrícola, e a navegabilidade dos rios para o transporte de pessoas e bens. São estudados os dados obtidos (altitudes, longitudes, declinações magnéticas), os levantamentos de caminhos, equipamentos utilizados, metodologia de trabalho e a Cartografia produzida: Mapa geral, Mapas parciais, Perfil, Seções e outros. <![CDATA[USING PARTICLE SWARM OPTIMIZATION TO ESTABLISH A LOCAL GEOMETRIC GEOID MODEL]]> http://www.scielo.br/scielo.php?script=sci_arttext&pid=S1982-21702017000200327&lng=es&nrm=iso&tlng=es There exist a number of methods for approximating the local geoid surface and studies carried out to determine a local geoid. In this study, performance of geoid by PSO method in modeling local geoid was presented and analyzed. The ellipsoidal heights (h), derived from GPS observations, and known orthometric heights from first-order benchmarks were first used to create local geometric geoid model, then the PSO method was used to convert ellipsoidal heights into orthometric heights (H). The resulting values were used to compare between the spirit leveling and GPS methods. The adopted PSO method can improve the fitting of local geometric geoid by quadratic surface fitting method, which agrees with the known orthometric heights within ±1.02cm<hr/>Existe uma série de métodos para aproximar a superfície do geoide local bem como vários estudos conduzidos para determinar um geoide local. Neste estudo, apresentou-se e analisou-se o desempenho do geoide pelo método de otimização por exame de partículas (PSO, do inglês Particle Swarm Optimization) na modelagem do geoide local. As altitudes elipsoidais (h), derivada de observações GPS, e altitudes ortométricas de referências de nível de primeira ordem foram usados para criar um modelo do geoide geométrica local, na sequencia usou-se o método PSO para converter altitudes elipsoidais em altitudes ortométricas (H). Os valores estimados foram comparados com valores provenientes de nivelamento geométrico e levantamento GPS. O método PSO foi capaz de melhorar a adaptação do geoide local pelo método de ajustamento de superfície quadrática e apresentou diferenças da ordem de ±1,02 cm em relação a altitudes ortométricas observadas <![CDATA[DETERMINATION OF POTENTIAL AREAS FOR RESETTLEMENT OF FAMILIES AFFECTED BY THE SÃO FRANCISCO RIVER INTEGRATION PROJECT USING GEOTECHNOLOGIES]]> http://www.scielo.br/scielo.php?script=sci_arttext&pid=S1982-21702017000200338&lng=es&nrm=iso&tlng=es The São Francisco River Integration Project is an infrastructure work conducted by the Brazilian federal government, aiming to guarantee water resources security to 390 municipalities, benefitting about 12 million people that suffer with water scarcity in one of the driest regions in the country. This work presents the method and tools used to evaluate land suitability for rural resettlement of displaced families. All with the intent of mitigating socioeconomic impacts for one of the annex channels in the main project axis, considering legal and technical criteria. Using geoprocessing tools, 4490 hectares of land were effectively identified as best suited for this purpose, helping public managers to promptly decide the adequate course of action<hr/>O Projeto de Integração do Rio São Francisco (PISF) é uma obra do Governo Federal que tem como objetivo garantir a segurança hídrica a 390 municípios, beneficiando cerca de 12 milhões de habitantes que sofrem com a escassez de água em uma das regiões mais secas do país. Com a proposta de mitigar os impactos socioeconômicos sobre as populações atingidas pelas obras de um dos canais anexos ao eixo principal do PISF, o Ramal do Agreste, este estudo apresenta a metodologia e ferramentas utilizadas para avaliar a aptidão das terras com base em determinados critérios (legais e técnicos) e seleção das áreas mais aptas a criação de reassentamentos rurais para instalação das famílias desalojadas pelas desapropriações. Assim, a partir da utilização de ferramentas de geoprocessamento e da análise multicritério foram identificados 4.490 hectares de terras que, dentro dos critérios e para a região estudada, possuem as melhores condições para esse fim. Pode-se concluir que o estudo permitiu a identificação das melhores áreas para restabelecer as famílias afetadas, além de auxiliar o gestor público nas decisões com agilidade que sua função exige <![CDATA[Validation of applied digital level of automation system in determining the settlements]]> http://www.scielo.br/scielo.php?script=sci_arttext&pid=S1982-21702017000200352&lng=es&nrm=iso&tlng=es O objetivo desta pesquisa é validar um sistema de automação de níveis digitais, desenvolvido em uma tese de doutorado (Andolfato, 2010) e apresentado ao curso de pós-graduação em ciências Geodésicas da UFPR. O procedimento de validação consiste em utilizar o nível digital através do nivelamento geométrico pelo método das visadas extremas para determinar desníveis entre alvos distribuídos com diferentes distâncias em relação ao nível. A simulação do recalque foi realizada através de pinos fixados em várias colunas, em diferentes alturas. A primeira fase consistiu em determinar os desníveis e consequentemente os recalques com o sistema convencional, utilizando um técnico como observador. Posteriormente estes mesmos recalques foram determinados utilizando o SAND (Sistema de Automação de Nível Digital). Depois de concluídos os levantamentos, os resultados obtidos com o SAND foram comparados com os do levantamento convencional e constatou-se que as diferenças de valores entre os recalques detectados/calculados por ambos os métodos variaram no décimo do milímetro. As variâncias dos recalques calculados, em ambos os métodos, foram testadas utilizando o teste F de Snedecor ao nível de significância de 5% e constatou-se que a maioria dos resultados passou no teste de hipótese, ou seja, foram determinados com o mesmo grau de precisão.<hr/>The main goal of this research is to validate a digital level automation system developed in a PhD. Thesis by Andolfato (2010) and presented to the Geodetic Science postgraduate program from Federal University of Paraná. The validation procedure consists in applying the digital level to determine height differences between targets distributed at different distances in relation to the digital level. Settlements simulations were performed by fixing pins in several wall columns at different heights. In the first stage the height differences and consequently the settlements were determinated by the conventional leveling method where observations were acquired by a qualified technical. Afterwards, these same differences were determined using the method named SAND - Sistema de Automação de Nível Digital (Digital Level Automation System). After finished the surveyings, the results obtained by the SAND method were compared with results from conventional method and it was observed differences within the tenth of millimeter in the computed settlements. The variances of the height differences in both cases were tested using the F- Snedecor test, at a significance level of 5%, and most values were approved, what means that they were determined with the same degree of precision <![CDATA[Analysis of the Level of Detail in Classifications of Urban Areas with Optical VHR and Hyperspectral Images Using C4.5 Decison Tree and Random Forest Methods]]> http://www.scielo.br/scielo.php?script=sci_arttext&pid=S1982-21702017000200371&lng=es&nrm=iso&tlng=es Ambientes urbanos representam uma das áreas mais desafiadoras do sensoriamento remoto devido à grande diversidade encontrada nos materiais presentes na sua superfície. O uso de imagens com alta resolução espacial e alta resolução espectral surge como uma alternativa para aplicações urbanas, pois a combinação destas duas características permite uma melhor detecção e discriminação de alvos. O presente trabalho tem um duplo objetivo: i) avaliar dois conjuntos de dados na classificação fina de alvos urbanos para dois níveis de legenda (com 11 e 38 classes de cobertura do solo): um deles composto exclusivamente por uma imagem orbital multiespectral (WV-2) e o outro conjunto composto exclusivamente por uma imagem aerotransportada hiperespectral (SpecTIR), ii) bem como testar o desempenho de dois métodos diferentes de classificação de imagens, Árvore de Decisão C4.5 e Floresta Randômica (Random Forest), para ambos os níveis de legenda. Oito experimentos de classificação foram realizados para atender a tais objetivos de investigar a eficácia dos sensores e dos métodos em dois níveis de detalhamento. Foram obtidas classificações de elevada acurácia. Demonstrou-se para todos os níveis de detalhamento e métodos que as classificações obtidas com dados do sensor SpecTIR apresentaram resultados significantemente superiores aos das classificações com dados do sensor WV-2.<hr/>Urban environments represent one of the most challenging areas for remote sensing analyses due to the great diversity of land cover materials found in their surface. The fusion of high spatial and high spectral resolution images arise as an alternative for urban applications, for the combination of these two characteristics allows better detection and discrimination of urban targets. The present work has a twofold objective: i) evaluate two datasets for the fine classification of urban targets at two levels of legend (with 11 and 38 land cover classes): one of them exclusively consisting of an orbital multispectral image (WV-2) and another one exclusively comprising an airborne hyperspectral image (SpecTIR), ii) as well as assess the performance of two different image classification methods, C4.5 Decision Tree and Random Forest, for both levels of legend. Eight classification experiments were executed to meet such objectives of investigating the efficacy of sensors and classification methods for the concerned two levels of detailing. The obtained classifications attained high accuracy. For all adopted levels of legend and methods, it was demonstrated that the classifications using SpecTIR data presented results significantly superior to those obtained with the WV-2 data